論文の概要: QuickSRNet: Plain Single-Image Super-Resolution Architecture for Faster Inference on Mobile Platforms

• arxiv url: http://arxiv.org/abs/2303.04336v2
• Date: Sun, 14 May 2023 19:03:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-16 23:06:41.517399
• Title: QuickSRNet: Plain Single-Image Super-Resolution Architecture for Faster Inference on Mobile Platforms
• Title（参考訳）: QuickSRNet: モバイルプラットフォームでの高速推論のための平易な単一イメージ超解法アーキテクチャ
• Authors: Guillaume Berger and Manik Dhingra and Antoine Mercier and Yashesh Savani and Sunny Panchal and Fatih Porikli
• Abstract要約: QuickSRNetはモバイルプラットフォーム上のリアルタイムアプリケーションのための効率的な超解像度アーキテクチャである。 提案アーキテクチャは,最新のスマートフォンで2.2msで2倍のアップスケーリングによって1080pの出力を生成する。
• 参考スコア（独自算出の注目度）: 36.962828335199596
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we present QuickSRNet, an efficient super-resolution architecture for real-time applications on mobile platforms. Super-resolution clarifies, sharpens, and upscales an image to higher resolution. Applications such as gaming and video playback along with the ever-improving display capabilities of TVs, smartphones, and VR headsets are driving the need for efficient upscaling solutions. While existing deep learning-based super-resolution approaches achieve impressive results in terms of visual quality, enabling real-time DL-based super-resolution on mobile devices with compute, thermal, and power constraints is challenging. To address these challenges, we propose QuickSRNet, a simple yet effective architecture that provides better accuracy-to-latency trade-offs than existing neural architectures for single-image super resolution. We present training tricks to speed up existing residual-based super-resolution architectures while maintaining robustness to quantization. Our proposed architecture produces 1080p outputs via 2x upscaling in 2.2 ms on a modern smartphone, making it ideal for high-fps real-time applications.
• Abstract（参考訳）: 本稿では,モバイルプラットフォーム上でリアルタイムアプリケーションを実現するための,効率的な超解像アーキテクチャQuickSRNetを提案する。 超解像度は画像の高解像度化、シャープ化、アップスケール化を行う。 ゲームやビデオ再生などのアプリケーションや、テレビ、スマートフォン、VRヘッドセットのディスプレイ能力の向上は、効率的なアップスケーリングソリューションの必要性を喚起している。 既存のディープラーニングベースの超高解像度アプローチは、視覚的品質の観点から見事な結果をもたらすが、計算、熱、電力制約のあるモバイルデバイスでリアルタイムDLベースの超高解像度を実現することは困難である。 このような課題に対処するため,我々は,単一画像のスーパーレゾリューションのための既存のニューラルネットワークよりも精度とレイテンシのトレードオフを提供する,シンプルで効果的なアーキテクチャであるquicksrnetを提案する。 量子化に対する堅牢性を維持しつつ,既存の残差ベース超解像アーキテクチャを高速化する訓練手法を提案する。 提案するアーキテクチャは,最新のスマートフォンで2.2ミリ秒で2倍のアップスケーリングで1080pの出力を生成する。

関連論文リスト

• RTSR: A Real-Time Super-Resolution Model for AV1 Compressed Content [10.569678424799616]
  超解像度(SR)は、映像コンテンツの視覚的品質を改善するための重要な技術である。 リアルタイム再生をサポートするためには,高速SRモデルの実装が重要である。 本稿では,圧縮映像の視覚的品質を高めるために,低複雑さSR手法RTSRを提案する。
  論文  参考訳（メタデータ） (2024-11-20T14:36:06Z)
• AIM 2024 Challenge on Efficient Video Super-Resolution for AV1 Compressed Content [56.552444900457395]
  ビデオスーパーレゾリューション(VSR)は、特にストリーミングアプリケーションにおいて、低ビットレートおよび低解像度ビデオを強化するための重要なタスクである。 本研究では,これらの課題に対処するために様々な手法をコンパイルし,その解決策はエンドツーエンドのビデオ超解像フレームワークである。 提案されたソリューションは、一般的なケースとして540pから4K(x4)、モバイルデバイス向けに調整された360pから1080p(x3)の2つのアプリケーションのためのビデオアップスケーリングに取り組む。
  論文  参考訳（メタデータ） (2024-09-25T18:12:19Z)
• AsConvSR: Fast and Lightweight Super-Resolution Network with Assembled Convolutions [32.85522513271578]
  リアルタイム性能を実現するために,高速かつ軽量な超解像ネットワークを提案する。 超解像における分割・畳み込みの応用を解析することにより、入力特徴に応じて畳み込みカーネルを適応できる組込み畳み込みを提案する。 NTIRE 2023 Real-Time Super-Resolution - Track 1で優勝した。
  論文  参考訳（メタデータ） (2023-05-05T09:33:34Z)
• Efficient and Accurate Quantized Image Super-Resolution on Mobile NPUs, Mobile AI & AIM 2022 challenge: Report [144.41960648643564]
  本稿では,高効率な量子化画像超解法を設計するための参加者を提案する。 このソリューションはモバイルNPU上でリアルタイムのパフォーマンスを示すことができる。 全てのモデルのランタイムは、専用のエッジNPUを備えたSynaptics VS680 Smart Homeボードで評価された。
  論文  参考訳（メタデータ） (2022-11-07T22:27:58Z)
• SwiftSRGAN -- Rethinking Super-Resolution for Efficient and Real-time Inference [0.0]
  本稿では,メモリフットプリントの高速化と小型化を実現したアーキテクチャを提案する。 リアルタイムの超解像度により、帯域幅の低い条件下でも高解像度のメディアコンテンツをストリーミングできる。
  論文  参考訳（メタデータ） (2021-11-29T04:20:15Z)
• Achieving on-Mobile Real-Time Super-Resolution with Neural Architecture and Pruning Search [64.80878113422824]
  リアルタイムの推論要求を満たすとともに、画像品質の高いスパース超解像モデル(SR)を導出する自動探索フレームワークを提案する。 提案したフレームワークでは、競合画像の品質を持つ720pの解像度を実現するために、リアルタイムSR推論(フレームあたり数ミリ秒)を初めて実現している。
  論文  参考訳（メタデータ） (2021-08-18T06:47:31Z)
• Real-Time Video Super-Resolution on Smartphones with Deep Learning, Mobile AI 2021 Challenge: Report [135.69469815238193]
  ビデオの超高解像度化は、ビデオ通信とストリーミングサービスの台頭により、モバイル関連で最も重要な問題の一つになっている。 この問題に対処するために、私たちは、エンドツーエンドのディープラーニングベースのビデオ超解解ソリューションを開発することを目的とした、最初のMobile AIチャレンジを紹介します。 提案したソリューションは、あらゆるモバイルGPUと完全に互換性があり、高忠実度の結果を示しながら、最大80FPSのHD解像度でビデオをアップスケールすることができる。
  論文  参考訳（メタデータ） (2021-05-17T13:40:50Z)
• Real-Time Quantized Image Super-Resolution on Mobile NPUs, Mobile AI 2021 Challenge: Report [67.86837649834636]
  我々は,エンド・ツー・エンドのディープラーニングベースの画像超解像ソリューションを開発することを目的とした,最初のモバイルaiチャレンジを紹介する。 提案されたソリューションは、すべての主要なモバイルAIアクセラレータと完全に互換性があり、40-60ms以下のフルHDイメージを再構築することができる。
  論文  参考訳（メタデータ） (2021-05-17T13:34:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。